Цель. Оценить роль клинических параметров, предтестовой вероятности (ПТВ) ишемической болезни сердца (ИБС) и факторов, ее модифицирующих, в современной российской когорте пациентов с подозрением на ИБС, в прогнозировании риска развития сердечно-сосудистых осложнений с использованием традиционных методов статистики и искусственного интеллекта (ИИ).Материал и методы. В проспективное наблюдательное исследование включено 210 пациентов (115 мужчин (54,8%), возраст 60,1±10,1 лет). Оценены ПТВ ИБС, определены уровни глюкозы, показателей липидного спектра, креатинина, проведена регистрация электрокардиограммы, ультразвуковое исследование сонных и бедренных артерий. Период проспективного наблюдения составил 21 [19-25] месяц. Сердечно-сосудистая конечная точка (СС КТ) включала сердечно-сосудистую смерть, острый коронарный синдром, реваскуляризацию миокарда. Статистический анализ выполнен с помощью пакетов программы "Statistica for Windows", 16.0 (StatSoft, USA). Построение прогностических моделей проведено с использованием языка программирования Python (версия 3.x) и библиотек машинного обучения Scikit-learn, Pandas и NumPy.Результаты. ПТВ ИБС составила 17% [11-26%]. Данные о прогнозе получены у всех пациентов (100%), СС КТ зафиксирована у 51 из них (24,3%). При проведении однофакторного анализа более высокий риск развития СС КТ был ассоциирован с ПТВ ИБС, каротидным и бедренным атеросклерозом, при использовании многофакторной регрессии Кокса – с ПТВ ИБС и бедренным атеросклерозом, чувствительность модели 63%, специфичность 64%, точность 64%, AUC 0,68, p<0,001. С использованием методов ИИ установлено, что независимыми предикторами СС КТ служили ПТВ ИБС и уровень триглицеридов (ТГ) – чувствительность модели 61%, специфичность 66,7%, точность 69%, AUC 0,70, p<0,001. Непосредственное влияние на прогноз уровень ТГ имел в когорте с ПТВ ИБС 16-23%: значение ТГ ≥1,7 ммоль/л было маркером неблагоприятного прогноза. Расчет персонального прогноза обеспечивало уравнение «вероятность СС КТ=1/(1+exp(-z))», где z=-1,5674 + (0,0592 × ПТВ ИБС, %) + (0,1871 × ТГ); значение более 0,53 (53%) свидетельствовало о неблагоприятном прогнозе.Заключение. С помощью технологий ИИ установлено, что ПТВ ИБС служит самым точным признаком первичной стратификации риска сердечно-сосудистых осложнений и персонализированного направления на специфическую диагностику при подозрении на ИБС. В дополнение к ПТВ ИБС, выявление бедренного атеросклероза ассоциировано с повышенным риском развития СС КТ. Уровень ТГ имеет дополнительное значение для принятия решения в когорте с ПТВ ИБС 16-23%.
1. Федеральная служба государственной статистики. Здравоохранение в России. 2025. Статистический сборник. М.: Росстат, 2025. 149 с.
2. Барбараш О. Л., Карпов Ю. А., Панов А. В. и др. Стабильная ишемическая болезнь сердца. Клинические рекомендации 2024. Российский кардиологический журнал. 2024;29(9):6110. doi:10.15829/1560-4071-2024-6110. EDN: HHJJUT.
3. Foldyna B, Udelson JE, Karády J, et al. Pretest probability for patients with suspected obstructive coronary artery disease: re-evaluating Diamond-Forrester for the contemporary era and clinical implications: insights from the PROMISE trial. Eur Heart J Cardiovasc Imaging. 2019;20(5):574-81. doi:10.1093/ehjci/jey182.
4. Vrints C, Andreotti F, Koskinas KC, et al. 2024 ESC Guidelines for the management of chronic coronary syndromes. European Heart Journal. 2024;45(36):3415-537. doi:10.1093/eurheartj/ehae177.
5. Steyerberg EW. Clinical Prediction Models: A Practical Approach to Development, Validation, and Updating. 2nd ed. Springer International Publishing. 2019. 558 p. doi:10.1007/9783-030-16399-0.
6. Vabalas A, Gowen E, Poliakoff E, et al. Machine learning algorithm validation with a limited sample size. PLoS One. 2019;14(11):e0224365. doi:10.1371/journal.pone.0224365.
7. Petmezas G, Stefanopoulos L, Kilintzis V, et al. State-of-the-art deep learning methods on electrocardiogram data: systematic review. JMIR Med Inform. 2022;10:e38454. doi:10.2196/38454.
8. Berchialla P, Foltran F, Bigi R, et al. Integrating stress-related ventricular functional and angiographic data in preventive cardiology: a unified approach implementing a Bayesian network. J Eval Clin Pract. 2012;18(3):637-43. doi:10.1111/j.1365-2753.2011.01651.x.
9. Ковелькова М. Н., Яковлева Е. Г. Системы искусственного интеллекта в профилактике и диагностике сердечно-сосудистой патологии в России (систематический обзор). Сибирский журнал клинической и экспериментальной медицины. 2025;40(1):28-41. doi:10.29001/2073-8552-2025-40-128-41. EDN: ZKPMNP.
10. Симонян М. А., Калюта Т. Ю., Генкал Е. Н. и др. Предтестовая вероятность ишемической болезни сердца как фактор оптимизации инвазивной диагностики в реальной клинической практике. Российский кардиологический журнал. 2022;27(1):4765. doi:10.15829/1560-4071-2022-4765. EDN: JUNIYL.
11. Laclaustra M, Casasnovas JA, Fernandez-Ortiz A, et al. Femoral and Carotid Subclinical Atherosclerosis Association With Risk Factors and Coronary Calcium: The AWHS Study. J Am Coll Cardiol. 2016;67(11):1263-74. doi:10.1016/j.jacc.2015.12.056.
12. Dalager S, Falk E, Kristensen IB, et al. Plaque in superficial femoral arteries indicates generalized atherosclerosis and vulnerability to coronary death: an autopsy study. J Vasc Surg. 2008;47(2):296-302. doi:10.1016/j.jvs.2007.10.037.
13. Журавлева О. А., Рябова Т. Р., Врублевский А. В. и др. Прогностическое значение стресс-эхокардиографии, выполненной по расширенному протоколу, при стабильной ишемической болезни сердца. Кардиология. 2024;64(4): 22-30. doi:10.18087/cardio.2024.4.n2572. EDN: KVVBHN.
14. Ежов М. В., Кухарчук В. В., Сергиенко И. В. и др. Нарушения липидного обмена. Клинические рекомендации 2023. Российский кардиологический журнал. 2023;28(5):5471. doi:10.15829/1560-4071-2023-5471. EDN: YVZOWJ.
15. Marston NA, Giugliano RP, Im K, et al. Association Between Triglyceride Lowering and Reduction of Cardiovascular Risk Across Multiple Lipid-Lowering Therapeutic Classes: A Systematic Review and Meta-Regression Analysis of Randomized Controlled Trials. Circulation. 2019;140(16):1308-17. doi:10.1161/circulationaha.119.041998.
